• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于HOG和特征描述子的人臉檢測與跟蹤

    2020-04-09 03:16:46
    關(guān)鍵詞:跟蹤目標(biāo)特征描述歐氏

    (浙江工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,浙江 杭州 310023)

    人臉檢測是指在給定圖像中確定人臉的位置、大小和姿態(tài),其本質(zhì)是模式識(shí)別的一種應(yīng)用。常用的人臉檢測方法有基于知識(shí)的方法、基于統(tǒng)計(jì)模型的方法和基于模板匹配的方法等。人臉跟蹤是在圖像序列中捕獲人臉信息的一種技術(shù),該技術(shù)在視頻監(jiān)控、圖像處理和人機(jī)交互等方面應(yīng)用廣泛,是近年來計(jì)算機(jī)視覺中的熱點(diǎn)之一。常用的人臉跟蹤方法有基于圖像特征的方法、基于機(jī)器學(xué)習(xí)的方法和基于深度學(xué)習(xí)的方法等。隨著社會(huì)的發(fā)展,人們對(duì)人臉檢測的精度要求和人臉跟蹤的準(zhǔn)確度要求不斷提高,因此該課題的深化研究有重要的實(shí)用價(jià)值。在人臉檢測中存在真實(shí)場景下的光照變化和隨機(jī)噪聲問題;在人臉跟蹤中會(huì)出現(xiàn)多人臉干擾和人臉姿態(tài)變換的問題[1]。針對(duì)這兩類難點(diǎn),國內(nèi)外學(xué)者進(jìn)行了大量的研究。對(duì)于人臉檢測中遇到的難點(diǎn),吳素雯等[2]提出了一種基于Gabor優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)與選擇性搜索策略相結(jié)合的算法,提高了在光照變化下的檢測效率,但對(duì)部分傾斜和光照不均勻的人臉仍存在漏檢。洪楊等[3]針對(duì)人臉圖像中存在的區(qū)域噪聲提出了改進(jìn)的多尺度Retinex算法,能夠提高原圖像的檢測率,然而漏檢問題依然存在。Lienhart等[4]對(duì)Haar特征進(jìn)行擴(kuò)展,訓(xùn)練形成了Haar-like分類器,能夠檢測傾斜角度的人臉,但是暴力枚舉的過程增加了內(nèi)存消耗。胡麗喬等[5]提出了一種自適應(yīng)加權(quán)HOG特征的人臉識(shí)別算法,在識(shí)別率上優(yōu)于傳統(tǒng)算法,同時(shí)在光照方面具有較強(qiáng)的魯棒性,但是計(jì)算復(fù)雜度偏高。對(duì)于人臉跟蹤遇到的難點(diǎn),F(xiàn)ukunaga等[6]提出Meanshift算法,基于核直方圖對(duì)人臉進(jìn)行建模,跟蹤準(zhǔn)確率較差。歷艷琨等[7]利用人臉特征點(diǎn)跟蹤3D人臉姿態(tài)的變化,實(shí)現(xiàn)了對(duì)單人臉姿態(tài)的穩(wěn)定跟蹤。張江鑫等[8]提出了一種基于Camshift聚類的粒子濾波人臉跟蹤算法,能在人臉無規(guī)則曲線運(yùn)動(dòng)中準(zhǔn)確跟蹤目標(biāo)人臉。楊超等[9]提出了一種改進(jìn)的Camshift-KLT算法,能夠減小跟蹤偏移距離,提高跟蹤命中率。以上跟蹤算法都比較偏向?qū)θ四槄^(qū)域或輪廓的跟蹤,無法區(qū)分不同的人臉,會(huì)出現(xiàn)當(dāng)多個(gè)人臉區(qū)域重疊時(shí)跟蹤目標(biāo)轉(zhuǎn)移至另一張人臉的問題,使得跟蹤準(zhǔn)確率下降。

    筆者提出了一種基于HOG和特征描述子的人臉檢測與跟蹤算法。實(shí)驗(yàn)前先對(duì)視頻幀進(jìn)行預(yù)處理操作,利用直方圖均衡化進(jìn)行光照補(bǔ)償,利用中值濾波進(jìn)行圖像降噪;然后基于HOG特征檢測人臉;最后通過ResNet生成特征描述子,利用結(jié)合特征描述子的校正策略獲得跟蹤結(jié)果。筆者算法能夠減少光照和噪聲的影響,而且可以在多人臉干擾和人臉姿態(tài)不斷變化的情況下區(qū)分不同的人臉。算法分為基于HOG特征的人臉檢測過程和基于特征描述子的人臉跟蹤過程,下文將按照上述思路分別進(jìn)行說明。

    1 基于HOG特征的人臉檢測

    圖1為基于HOG特征的人臉檢測流程圖。首先輸入一張人臉圖像,然后提取HOG特征,再與人臉檢測器進(jìn)行匹配,最后輸出檢測的結(jié)果。

    圖1 基于HOG特征的人臉檢測流程圖

    針對(duì)真實(shí)場景中的光照和噪聲問題,HOG特征提取步驟中的歸一化伽馬能夠進(jìn)一步消除光照變化、隨機(jī)噪聲帶來的影響,提高人臉檢測準(zhǔn)確度。

    1.1 提取HOG特征

    特征提取是模式識(shí)別研究的基本問題之一。對(duì)于圖像識(shí)別,高質(zhì)量的圖像特征可以有效地表示原始圖像的性質(zhì),且在圖像分類中起決定作用[10]。在人體關(guān)鍵部位圖像中合適的特征描述包括HOG特征和Haar-like特征等[11]。方向梯度直方圖(Histogram of oriented gradient,HOG)特征的核心思想是在一個(gè)大小統(tǒng)一、網(wǎng)格密集的細(xì)胞單元上進(jìn)行計(jì)算,利用相互重疊的局部對(duì)比度歸一化技術(shù)來提高描述能力[12]。HOG特征能夠很好地描述圖像局部差分信息且不易受噪聲干擾,在目標(biāo)檢測和跟蹤領(lǐng)域中是描述邊緣和形狀最好的特征之一。另一種常用的Haar-like特征反映了目標(biāo)的灰度變化情況,適合描述目標(biāo)陰影。與Haar-like特征相比,HOG特征保持了幾何和光學(xué)轉(zhuǎn)化不變性,能夠很好地描述目標(biāo)輪廓,因此筆者采用HOG特征作為人臉檢測中的特征表示。

    HOG特征提取步驟[13-16]為

    1)歸一化伽馬。使用伽馬變換歸一化圖像,有效地降低圖像局部的陰影和光照變化。

    2)滑動(dòng)窗口設(shè)置。分割圖像為若干個(gè)滑動(dòng)窗口(block),block用于在整幅圖像上滑動(dòng)提取人臉HOG特征。

    3)計(jì)算梯度。將block均勻分成4 個(gè)單元(cell),block之間采用重疊兩個(gè)細(xì)胞單元(cell)的形式進(jìn)行滑動(dòng)。計(jì)算出圖像的像素點(diǎn)(x,y)的水平方向和垂直方向的梯度,水平方向上的梯度Ix(x,y)為

    Ix(x,y)=I(x+1,y)-I(x-1,y)

    (1)

    垂直方向上的梯度Iy(x,y)為

    Iy(x,y)=I(x,y+1)-I(x,y-1)

    (2)

    得出像素點(diǎn)(x,y)的梯度幅值m(x,y)為

    (3)

    同樣可得像素點(diǎn)(x,y)的梯度方向θ(x,y)為

    (4)

    4)累加計(jì)算獲得空間細(xì)胞的梯度方向。將梯度方向均勻分成m(m通常為9)個(gè)方向(bin),如果梯度方向存在正負(fù),則將360°均勻分成m個(gè)區(qū)間,否則將180°均勻分成m個(gè)區(qū)間。將相同cell上所有相同梯度方向的點(diǎn)梯度幅值進(jìn)行基于權(quán)重的累加計(jì)算,得出該cell的梯度直方圖(HOG)。

    5)在重疊的細(xì)胞塊內(nèi)進(jìn)行歸一化對(duì)比。歸一化每個(gè)block內(nèi)的多個(gè)cell梯度直方圖為一個(gè)直方圖來表示當(dāng)前block的HOG特征。

    6)收集檢測窗口上所有塊的HOG。通過滑動(dòng)block窗口完成整幅圖像的HOG特征的提取。

    7)輸出HOG特征。

    1.2 匹配人臉檢測器

    利用HOG特征匹配人臉首先需要訓(xùn)練人臉檢測器,訓(xùn)練分為預(yù)處理和訓(xùn)練兩個(gè)階段。

    預(yù)處理階段:1)輸入采集的人臉圖像訓(xùn)練集、測試集,標(biāo)記每一張圖片的具體的人臉邊界(bounding box);2)進(jìn)行圖片上采樣,目的是為了放大較小的人臉,使檢測準(zhǔn)確度提高,上采樣的同時(shí)調(diào)整相應(yīng)的bounding box;3)對(duì)訓(xùn)練集中的人臉圖像進(jìn)行鏡像處理,擴(kuò)充樣本數(shù)量。

    訓(xùn)練階段:1)定義掃描器(scanner),用于掃描圖片并提取HOG特征;2)設(shè)置scanner的窗口尺寸,通過圖像金字塔變換實(shí)現(xiàn)在不同尺寸上檢測人臉的目的;3)定義訓(xùn)練器(trainer),用于訓(xùn)練人臉檢測器,其通過scanner初始化;4)進(jìn)行訓(xùn)練,生成并完善人臉檢測器,當(dāng)出現(xiàn)未確認(rèn)的人臉邊界時(shí)對(duì)該區(qū)域進(jìn)行忽略,防止出現(xiàn)錯(cuò)誤的人臉檢測信息;5)進(jìn)行測試,得到返回的檢測結(jié)果。

    圖2為一種正面人臉檢測器的HOG特征,該人臉檢測器對(duì)正臉的匹配度較好。相較于現(xiàn)有常用的基于Haar-like特征的人臉檢測算法,該算法精度更高,能夠識(shí)別更多的人臉。為了在輸入的視頻幀中能更好地提取人臉的有效信息,筆者選用基于HOG特征的人臉檢測算法。

    圖2 人臉檢測器的HOG特征

    2 基于特征描述子的人臉跟蹤

    圖3為基于特征描述子的人臉跟蹤流程圖。首先輸入當(dāng)前幀通過人臉檢測得到的結(jié)果,定位各張人臉的68 個(gè)關(guān)鍵點(diǎn),將其分別輸入到ResNet模型中得到內(nèi)容為128 維向量的特征描述子。若原先未存有特征描述子,則初始化該特征描述子為跟蹤目標(biāo)的判斷基準(zhǔn),若已存在特征描述子,則計(jì)算兩者的歐氏距離??紤]到當(dāng)前幀中可能有多個(gè)人臉,會(huì)生成多個(gè)距離值,選擇距離值最小的作為當(dāng)前幀的計(jì)算值。如果距離值低于默認(rèn)閾值,則表明兩個(gè)特征描述子都基于同一張人臉生成,更新特征描述子為當(dāng)前幀生成的描述子并更新跟蹤區(qū)域;反之則認(rèn)為兩個(gè)特征描述子不屬于同一張人臉,此時(shí)替換存儲(chǔ)的特征描述子,轉(zhuǎn)移跟蹤目標(biāo)為新特征描述子表示的人臉。當(dāng)前幀處理完后,載入下一幀,循環(huán)進(jìn)行人臉跟蹤。

    圖3 基于特征描述子的人臉跟蹤流程圖

    2.1 利用ResNet獲取特征描述子

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)在圖像處理、模式識(shí)別和計(jì)算機(jī)視覺等方面引起了人們廣泛的關(guān)注,因?yàn)镃NN模型能夠有效提取圖像的特征描述子[17]。深度殘差網(wǎng)絡(luò)(Residual networks,ResNet)是由He等[18]提出的一種改良的卷積神經(jīng)網(wǎng)絡(luò),動(dòng)機(jī)是神經(jīng)網(wǎng)絡(luò)的退化問題。傳統(tǒng)CNN與ResNet相比,傳統(tǒng)CNN中卷積層和全連接層在傳遞信息時(shí),存在信息丟失、損耗等問題;而ResNet能通過旁路支線將輸入連接到后面的層,使其可以直接學(xué)習(xí)殘差,優(yōu)化基礎(chǔ)網(wǎng)絡(luò)性能的同時(shí)保護(hù)了信息的完整性。因此筆者采用ResNet模型,在提取特征描述子方面能夠比傳統(tǒng)CNN取得更好的效果。

    算法采用ResNet模型提取人臉特征描述子,輸入人臉圖像及對(duì)應(yīng)的關(guān)鍵點(diǎn),返回一個(gè)128 維的人臉特征描述子。在人臉特征描述子提取完成后,依次添加對(duì)應(yīng)的人臉標(biāo)識(shí),便于跟蹤結(jié)果的更新。

    2.2 利用歐氏距離計(jì)算相似性度量

    特征描述子本質(zhì)上是特征向量,計(jì)算特征向量的相似性可用距離進(jìn)行評(píng)價(jià)。常用的距離有曼哈頓距離、歐氏距離和切比雪夫距離,通過實(shí)驗(yàn)對(duì)比將3 種距離分別用于計(jì)算人臉特征描述子的相似性度量,最后選取區(qū)分度較好的歐氏距離作為衡量人臉特征描述子的標(biāo)準(zhǔn)。歐氏距離指兩點(diǎn)在m維空間上的真實(shí)距離,2個(gè)n維向量A(x11,x12, …,x1n)和B(x21,x22, …,x2n)的歐氏距離為

    (5)

    2.3 利用人臉標(biāo)識(shí)隊(duì)列更新跟蹤目標(biāo)

    因?yàn)橐粡垐D片可能有多個(gè)人臉,需分別計(jì)算得出兩個(gè)人臉特征描述子的歐氏距離。選取最小的距離值后,需要用閾值評(píng)價(jià)兩個(gè)描述子的相似程度。當(dāng)距離值小于閾值即相似度較高,則認(rèn)定兩個(gè)人臉屬于同一個(gè)人,跟蹤結(jié)果更新;否則相似度較低,認(rèn)定人臉屬于他人,跟蹤目標(biāo)轉(zhuǎn)移。因?yàn)橐曨l幀中人臉的姿態(tài)時(shí)刻發(fā)生變化,每一幀的人臉都不盡相同。如果始終以初始檢測的人臉描述子為基準(zhǔn)進(jìn)行相似度計(jì)算,在視頻幀中始終只有同一人的前提下,會(huì)出現(xiàn)因人臉姿態(tài)變化過大導(dǎo)致距離值偏大,使得跟蹤結(jié)果出現(xiàn)偏差。且新檢測的視頻幀中的人臉不可能與存儲(chǔ)的原特征描述子的人臉完全一致,從而使距離值總有一定的誤差。為了盡可能地消除這種誤差,當(dāng)認(rèn)定檢測的視頻幀中人臉為存儲(chǔ)的人臉時(shí),將人臉標(biāo)識(shí)對(duì)應(yīng)的原特征描述子進(jìn)行更新。由于視頻幀的連貫性,人臉的姿態(tài)變化在檢測的連續(xù)兩幀中變化較小。采用檢測的上一幀中相同人臉的特征描述子作為基準(zhǔn),能從最大程度上抑制人臉姿態(tài)變化產(chǎn)生的干擾。當(dāng)新提取的特征描述子與當(dāng)前存儲(chǔ)的特征描述子相似度過低時(shí),將新出現(xiàn)的人臉特征描述子替換原特征描述子并同時(shí)替換人臉標(biāo)識(shí)。

    為了防止某一幀中由于隨機(jī)干擾因素過于嚴(yán)重導(dǎo)致的相同人臉也檢測錯(cuò)誤的情況出現(xiàn),設(shè)計(jì)了一種基于時(shí)間順序的長度為L(L為大于1的奇數(shù))的人臉標(biāo)識(shí)隊(duì)列。該隊(duì)列中根據(jù)時(shí)間先后順序,將每一幀中檢測到的人臉標(biāo)識(shí)放入隊(duì)列末尾,根據(jù)隊(duì)列的先入先出原則,當(dāng)隊(duì)列元素總數(shù)達(dá)到L,則移除開頭的元素。隊(duì)列中始終存儲(chǔ)當(dāng)前幀和前L-1幀的人臉標(biāo)識(shí),隊(duì)列中數(shù)目最多的人臉標(biāo)識(shí)則為連續(xù)幀中的人臉檢測結(jié)果。只有在當(dāng)前幀的人臉檢測結(jié)果與連續(xù)幀的人臉檢測結(jié)果相同時(shí),原特征描述子才進(jìn)行更新,能夠較好地降低某一幀的誤差影響。

    3 實(shí)驗(yàn)及結(jié)果分析

    3.1 實(shí)驗(yàn)環(huán)境

    所有仿真結(jié)果基于Inter(R)Core(TM)i5-8250U @ 1.60 GHz處理器,8 GB內(nèi)存,操作系統(tǒng)為Ubuntu 16.04,編程語言使用Python 3.6,使用PyCharm 2018開發(fā)環(huán)境編寫算法,每段圖像序列長度為1 000 幀,每幀圖像分辨率為640×480。

    3.2 實(shí)驗(yàn)?zāi)P?/h3>

    Dlib是一個(gè)包含機(jī)器學(xué)習(xí)算法的第三方開源工具包,為提高人臉檢測和跟蹤的準(zhǔn)確率,實(shí)驗(yàn)所需模型采用Dlib中經(jīng)大量數(shù)據(jù)訓(xùn)練完成的模型。人臉檢測模型采用的基于HOG的正面人臉檢測器,參考頁面為http://dlib.net/dlib/image_processing/frontal_face_detector.h.html。人臉關(guān)鍵點(diǎn)模型采用的68 點(diǎn)關(guān)鍵點(diǎn)模型,下載地址為http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2。訓(xùn)練完成的ResNet模型,下載地址為http://dlib.net/files/dlib_face_recognition_resnet_model_v1.dat.bz2。

    3.3 圖像中光照和噪聲的預(yù)處理結(jié)果

    使用直方圖均衡化和中值濾波進(jìn)行預(yù)處理的效果如圖4所示。圖4(a)為原始樣例圖像,分辨率為640×480,圖像中光照不均勻且存在隨機(jī)噪聲;圖4(b)為直方圖均衡化處理的人臉圖像,針對(duì)圖像的光照問題,從視覺效果看,處理后的圖像亮度提升明顯,對(duì)比度增強(qiáng),細(xì)節(jié)特征也更加清晰;圖4(c)為進(jìn)行中值濾波處理后的人臉圖像,針對(duì)圖像的噪聲問題,其中大部分突出的噪聲點(diǎn)已被過濾。該樣例圖像的直方圖均衡化和中值濾波處理的時(shí)間約為0.002 96 s,對(duì)檢測幀數(shù)的時(shí)間影響可忽略不計(jì)。

    圖4 樣例圖像的處理結(jié)果

    3.4 HOG特征提取結(jié)果及人臉檢測

    以圖4(c)為待檢測樣例圖像,基于HOG特征的人臉檢測進(jìn)一步消除了光照和噪聲的影響,提取得到的結(jié)果如圖4(d)所示,為使結(jié)果更加直觀,運(yùn)算中歸一化了各個(gè)像素點(diǎn)的梯度,同時(shí)加入了梯度量級(jí)的非線性映射梯度,使梯度方向產(chǎn)生了明顯的深淺和長度差異,更容易區(qū)分邊緣。圖5(a)為經(jīng)過人臉檢測器匹配后的標(biāo)記人臉邊界的圖像,可以看出當(dāng)存在一張或多張人臉時(shí),基于HOG特征的人臉檢測器都能予以識(shí)別。圖6表示隨著視頻序列的長度逐漸增大時(shí),基于Hog特征和基于Haar-like特征的人臉檢測算法在檢測人臉準(zhǔn)確度上的情況,可以看出基于Hog特征的檢測準(zhǔn)確度在90%以上,而基于Haar-like特征的檢測準(zhǔn)確度只有60%左右,說明基于Hog特征的人臉檢測算法比基于Haar-like特征的能檢測到更多的人臉,更適合本實(shí)驗(yàn)的人臉檢測研究,而基于Haar-like特征的算法準(zhǔn)確度較低,容易遺漏視頻幀中的部分人臉,影響人臉跟蹤結(jié)果。

    圖5 人臉檢測算法結(jié)果與人臉關(guān)鍵點(diǎn)定位結(jié)果

    圖6 不同人臉檢測算法的對(duì)比實(shí)驗(yàn)

    3.5 人臉跟蹤結(jié)果實(shí)驗(yàn)

    將檢測到人臉的視頻幀進(jìn)行人臉關(guān)鍵點(diǎn)定位。圖5(b)為圖5(a)進(jìn)行人臉關(guān)鍵點(diǎn)定位的結(jié)果,位于眉毛、眼睛、鼻子、嘴巴和面部輪廓的特征點(diǎn)都已經(jīng)被標(biāo)明。通過輸入當(dāng)前視頻幀和定位的人臉關(guān)鍵點(diǎn)到訓(xùn)練好的ResNet模型,可以得到128 維的特征描述子,作為當(dāng)前圖像中人臉的向量表示,圖5(b)左一的人臉提取的特征描述子如圖7所示。

    圖7 人臉的特征描述子

    針對(duì)兩個(gè)特征描述子的相似度比較問題,需要通過與默認(rèn)閾值比較得出結(jié)果。默認(rèn)閾值的確定需要計(jì)算兩個(gè)相同人臉的不同特征描述子的距離值作為標(biāo)準(zhǔn),且該距離值變化幅度不能過大,最好在某一數(shù)值上下保持微小波動(dòng)。圖8(a)為曼哈頓距離、歐氏距離、切比雪夫距離3 種距離在已知相同人臉的兩個(gè)不同特征描述子下進(jìn)行計(jì)算的結(jié)果。圖8(b)為曼哈頓距離、歐氏距離、切比雪夫距離3 種距離在已知不同人臉的兩個(gè)不同特征描述子下進(jìn)行計(jì)算的結(jié)果。由圖8(a)可知,相同人臉的不同特征描述子的曼哈頓距離變化較大,在(1.15,3.70)的區(qū)間內(nèi)波動(dòng),結(jié)合圖8(b)中不同人臉特征描述子的曼哈頓距離波動(dòng)區(qū)間(3.65,5.63),兩者存在重疊區(qū)間。而歐氏距離和切比雪夫距離在相同人臉的不同特征描述子的條件下距離值變化較為平穩(wěn)(圖8a)。表1為實(shí)驗(yàn)中歐氏距離與切比雪夫距離的比較,能夠看出:切比雪夫距離的變化范圍雖平穩(wěn),區(qū)分度仍然偏小,且當(dāng)距離值為0.09時(shí)不能很好地判定一組特征描述子是否為同一張人臉。而歐氏距離的變化范圍較小且區(qū)分度較切比雪夫距離更大,故筆者采用歐氏距離作為一組特征描述子是否為相同人臉的判別標(biāo)準(zhǔn),參考表1的數(shù)據(jù),相同人臉的不同特征描述子的歐氏距離小于0.38,而不同人臉的不同特征描述子的歐氏距離大于0.43,計(jì)算得出邊界值0.38和0.43的平均值為0.405,結(jié)果保留兩位小數(shù)為0.40,將其設(shè)定為默認(rèn)閾值。

    圖8 相同人臉和不同人臉的一組特征描述子的不同距離

    表1 實(shí)驗(yàn)中歐氏距離與切比雪夫距離的比較

    Table 1 The comparison of Euclidean distance and Chebyshev distance in experiment

    距離度量相同人臉的不同特征描述子不同人臉的不同特征描述子歐氏距離范圍(0.13,0.38)(0.43,0.63)切比雪夫距離范圍(0.03,0.09)(0.09,0.15)

    更新原特征描述子所需的人臉標(biāo)識(shí)隊(duì)列長度L需要通過多人臉跟蹤實(shí)驗(yàn)確定。表2為人臉標(biāo)識(shí)隊(duì)列長度L對(duì)人臉跟蹤準(zhǔn)確率的關(guān)系,從表中可得:當(dāng)L等于5時(shí),人臉跟蹤準(zhǔn)確率達(dá)到峰值;且當(dāng)L大于5時(shí),值越大人臉跟蹤準(zhǔn)確率越低,因?yàn)楫?dāng)人臉標(biāo)識(shí)隊(duì)列長度越大,不同人臉的跟蹤目標(biāo)切換越不靈活,會(huì)出現(xiàn)整個(gè)視頻序列都只跟蹤初始人臉的情況。為了即能降低視頻某一幀的誤差影響,又能靈活地應(yīng)對(duì)多個(gè)人臉的跟蹤目標(biāo)切換,取L為5,此時(shí)本實(shí)驗(yàn)人臉跟蹤準(zhǔn)確率為83.78%。多人臉跟蹤優(yōu)先度問題的解決策略是:以視頻幀中最先被識(shí)別的人臉為初始跟蹤目標(biāo),每當(dāng)跟蹤目標(biāo)消失時(shí)進(jìn)行目標(biāo)切換。圖9為多人臉實(shí)驗(yàn)效果圖,第1張圖為第1個(gè)人的人臉跟蹤結(jié)果,第2,3張圖中當(dāng)?shù)?個(gè)人從視頻中出現(xiàn)時(shí),實(shí)驗(yàn)的跟蹤目標(biāo)仍為第1個(gè)人,當(dāng)?shù)?個(gè)人的人臉從視頻中消失時(shí),跟蹤目標(biāo)轉(zhuǎn)換到第2個(gè)人,而當(dāng)?shù)?個(gè)人出現(xiàn)時(shí),因?yàn)楦櫮繕?biāo)已經(jīng)切換,所以跟蹤結(jié)果不受影響。

    表2 人臉標(biāo)識(shí)隊(duì)列長度L對(duì)人臉跟蹤準(zhǔn)確率的關(guān)系

    Table 2 The relationship between the length of a face queue and face tracking accuracy

    人臉標(biāo)識(shí)隊(duì)列長度L人臉跟蹤準(zhǔn)確率/%376.08583.78782.38979.781174.07

    圖9 多人臉切換實(shí)驗(yàn)

    筆者算法和近年來提出的人臉跟蹤算法比較如表3,4所示。單人臉情況下,表中算法都有較高的跟蹤準(zhǔn)確率。多人臉情況下,表中算法的跟蹤準(zhǔn)確率都有不同程度的下降,文獻(xiàn)[8-9]的算法因?yàn)槲瘁槍?duì)多人臉干擾問題提出有效的解決方案,在切換跟蹤目標(biāo)上出現(xiàn)明顯誤差,使得平均誤識(shí)別幀數(shù)增大。在跟蹤準(zhǔn)確率方面,筆者算法提出的跟蹤校正策略對(duì)多人臉干擾問題的解決效果較好,相比其他兩種算法有明顯優(yōu)勢(shì)。在跟蹤實(shí)時(shí)性方面,筆者算法雖然比其他兩種算法耗時(shí),但基本上滿足實(shí)時(shí)的需求。

    表3 單人臉情況下不同跟蹤算法的實(shí)驗(yàn)對(duì)比

    表4 多人臉情況下不同跟蹤算法的實(shí)驗(yàn)對(duì)比

    4 結(jié) 論

    通過對(duì)人臉特征的研究,提出了一種基于HOG和特征描述子的人臉檢測與跟蹤算法。該算法引入圖像預(yù)處理,降低了光照變化與隨機(jī)噪聲的干擾。在人臉檢測方面,筆者方法通過HOG特征能夠檢測視頻幀出現(xiàn)的人臉,進(jìn)一步降低光照、噪聲的影響。在人臉跟蹤方面,筆者方法借助人臉的關(guān)鍵點(diǎn)實(shí)時(shí)生成特征描述子,通過比較歐氏距離來更新跟蹤目標(biāo),能夠排除現(xiàn)實(shí)場景中多人臉的干擾,同時(shí)也更好地適應(yīng)了人臉的姿態(tài)變化。實(shí)驗(yàn)結(jié)果表明算法準(zhǔn)確率較高且魯棒性較好。但是,實(shí)驗(yàn)中也反映出該算法存在的不足,即當(dāng)場景中人臉的數(shù)目過多導(dǎo)致視頻幀率下降,該問題在以后工作中會(huì)采用優(yōu)化人臉檢測算法進(jìn)一步改良。

    猜你喜歡
    跟蹤目標(biāo)特征描述歐氏
    In the Zoo
    船舶尾流圖像的數(shù)字化處理和特征描述技術(shù)
    核相關(guān)濾波與孿生網(wǎng)絡(luò)相結(jié)合的目標(biāo)跟蹤算法
    基于圖割理論的尺度自適應(yīng)人臉跟蹤算法
    目標(biāo)魯棒識(shí)別的抗旋轉(zhuǎn)HDO 局部特征描述
    連續(xù)同色調(diào)背景下運(yùn)動(dòng)目標(biāo)自適應(yīng)跟蹤
    基于卡爾曼和圖像信息量的Mean Shift改進(jìn)跟蹤算法
    基于差異的圖像特征描述及其在絕緣子識(shí)別中的應(yīng)用
    電測與儀表(2015年3期)2015-04-09 11:37:56
    基于多維歐氏空間相似度的激光點(diǎn)云分割方法
    麗江“思奔記”(上)
    探索地理(2013年5期)2014-01-09 06:40:44
    男的添女的下面高潮视频| 欧美激情 高清一区二区三区| 中文字幕最新亚洲高清| 午夜福利网站1000一区二区三区| 久久这里有精品视频免费| 国产欧美另类精品又又久久亚洲欧美| 亚洲三级黄色毛片| 日韩免费高清中文字幕av| 精品一区二区免费观看| videosex国产| av在线老鸭窝| 午夜激情av网站| 成人国语在线视频| 午夜日本视频在线| 99re6热这里在线精品视频| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 日本91视频免费播放| 王馨瑶露胸无遮挡在线观看| 久久综合国产亚洲精品| 少妇的逼好多水| 精品午夜福利在线看| 精品午夜福利在线看| 我的女老师完整版在线观看| 美女主播在线视频| 18在线观看网站| 永久免费av网站大全| 免费人妻精品一区二区三区视频| 欧美精品一区二区免费开放| 国产精品久久久久久久电影| 黄色一级大片看看| 久久久久国产网址| 亚洲国产精品999| 宅男免费午夜| 色5月婷婷丁香| 一区二区日韩欧美中文字幕 | 在线天堂中文资源库| 久久鲁丝午夜福利片| 99国产精品免费福利视频| 伦精品一区二区三区| 国产免费又黄又爽又色| 熟女人妻精品中文字幕| 亚洲色图综合在线观看| 精品少妇内射三级| 久久青草综合色| 精品卡一卡二卡四卡免费| 国产1区2区3区精品| 亚洲欧美日韩卡通动漫| 免费观看无遮挡的男女| 天美传媒精品一区二区| 人人澡人人妻人| 亚洲国产精品一区三区| 国产高清国产精品国产三级| 九色成人免费人妻av| 欧美精品国产亚洲| 夫妻午夜视频| 亚洲精品色激情综合| 欧美精品国产亚洲| 少妇的丰满在线观看| 久久鲁丝午夜福利片| 亚洲久久久国产精品| 国产精品.久久久| 免费av不卡在线播放| 午夜福利在线观看免费完整高清在| 最近最新中文字幕大全免费视频 | 日韩在线高清观看一区二区三区| 亚洲国产精品999| 国产一区二区激情短视频 | 欧美 亚洲 国产 日韩一| 午夜老司机福利剧场| 亚洲av免费高清在线观看| 亚洲国产色片| 超碰97精品在线观看| 18禁观看日本| tube8黄色片| 欧美变态另类bdsm刘玥| 亚洲欧美成人精品一区二区| 亚洲久久久国产精品| 最近中文字幕2019免费版| 国产福利在线免费观看视频| 男女啪啪激烈高潮av片| 最新的欧美精品一区二区| 少妇人妻 视频| 高清av免费在线| 亚洲情色 制服丝袜| 黄色毛片三级朝国网站| 中文乱码字字幕精品一区二区三区| a级毛色黄片| 国产深夜福利视频在线观看| 久久婷婷青草| 宅男免费午夜| 90打野战视频偷拍视频| 男女下面插进去视频免费观看 | 性色avwww在线观看| 免费大片18禁| 亚洲高清免费不卡视频| 久久久久网色| 性色av一级| 香蕉精品网在线| 新久久久久国产一级毛片| 少妇精品久久久久久久| 两个人免费观看高清视频| 人人妻人人爽人人添夜夜欢视频| 国产男女超爽视频在线观看| 午夜福利网站1000一区二区三区| 成人手机av| 日韩制服骚丝袜av| 欧美国产精品一级二级三级| 久久 成人 亚洲| a 毛片基地| 中文字幕亚洲精品专区| 一个人免费看片子| 赤兔流量卡办理| 人人妻人人澡人人爽人人夜夜| 久久99一区二区三区| 日本av免费视频播放| 日韩中字成人| 啦啦啦在线观看免费高清www| 在线观看国产h片| 久久精品国产综合久久久 | 久久女婷五月综合色啪小说| a级毛片在线看网站| av免费观看日本| 成人国语在线视频| 成人18禁高潮啪啪吃奶动态图| 国产精品久久久久久av不卡| 国产亚洲精品久久久com| 亚洲国产色片| 99久久人妻综合| 国产午夜精品一二区理论片| 五月开心婷婷网| 国产永久视频网站| 亚洲精品自拍成人| 少妇人妻久久综合中文| 激情五月婷婷亚洲| av电影中文网址| 啦啦啦啦在线视频资源| av黄色大香蕉| 伊人久久国产一区二区| 一个人免费看片子| 精品亚洲成a人片在线观看| 亚洲图色成人| 国产午夜精品一二区理论片| 免费高清在线观看日韩| 免费人妻精品一区二区三区视频| 最新中文字幕久久久久| 日本猛色少妇xxxxx猛交久久| 搡老乐熟女国产| 久久99热这里只频精品6学生| av不卡在线播放| 侵犯人妻中文字幕一二三四区| 丝瓜视频免费看黄片| 精品国产一区二区三区四区第35| 宅男免费午夜| 免费观看在线日韩| 91国产中文字幕| 国产亚洲欧美精品永久| 黄色毛片三级朝国网站| 侵犯人妻中文字幕一二三四区| 熟妇人妻不卡中文字幕| 少妇精品久久久久久久| 国产精品.久久久| 午夜精品国产一区二区电影| 飞空精品影院首页| 亚洲欧美色中文字幕在线| 赤兔流量卡办理| 人人妻人人澡人人爽人人夜夜| 男女边摸边吃奶| 亚洲综合色惰| 亚洲情色 制服丝袜| 欧美人与性动交α欧美软件 | 亚洲av国产av综合av卡| 亚洲欧美成人综合另类久久久| 亚洲精品国产色婷婷电影| 一区二区三区乱码不卡18| 久久久精品区二区三区| h视频一区二区三区| 久久女婷五月综合色啪小说| 精品人妻偷拍中文字幕| av片东京热男人的天堂| 综合色丁香网| 下体分泌物呈黄色| 精品亚洲乱码少妇综合久久| 人妻一区二区av| 午夜福利网站1000一区二区三区| 精品国产一区二区久久| 青春草亚洲视频在线观看| 精品国产国语对白av| 亚洲欧美日韩另类电影网站| 一级爰片在线观看| 亚洲国产日韩一区二区| 交换朋友夫妻互换小说| 丝袜人妻中文字幕| 18禁裸乳无遮挡动漫免费视频| 视频中文字幕在线观看| 国产精品嫩草影院av在线观看| 国产欧美日韩一区二区三区在线| 一个人免费看片子| 18禁国产床啪视频网站| av网站免费在线观看视频| 精品一区二区三区四区五区乱码 | 欧美日韩视频精品一区| 国产精品人妻久久久影院| 卡戴珊不雅视频在线播放| 久久久精品区二区三区| 日韩电影二区| 看免费成人av毛片| 精品熟女少妇av免费看| 国产精品一国产av| 国产男女内射视频| 一级毛片我不卡| 激情视频va一区二区三区| 天天影视国产精品| av有码第一页| 日本色播在线视频| 一本色道久久久久久精品综合| 校园人妻丝袜中文字幕| 美女内射精品一级片tv| 午夜av观看不卡| 桃花免费在线播放| av在线观看视频网站免费| 成人漫画全彩无遮挡| 亚洲成人av在线免费| 成年女人在线观看亚洲视频| 宅男免费午夜| 久久久久久久久久久久大奶| 久久人人爽人人爽人人片va| 中文字幕精品免费在线观看视频 | 如日韩欧美国产精品一区二区三区| 一级毛片电影观看| av女优亚洲男人天堂| 天天影视国产精品| 国产精品一区二区在线观看99| 只有这里有精品99| 国产亚洲午夜精品一区二区久久| 老司机亚洲免费影院| 天天影视国产精品| 欧美最新免费一区二区三区| 观看av在线不卡| 亚洲色图综合在线观看| 妹子高潮喷水视频| 97超碰精品成人国产| 一级片免费观看大全| 久久久国产一区二区| av女优亚洲男人天堂| av黄色大香蕉| 亚洲精品久久成人aⅴ小说| 国产av码专区亚洲av| 国产免费一级a男人的天堂| 我的女老师完整版在线观看| videossex国产| 亚洲伊人色综图| 国产高清不卡午夜福利| 精品国产乱码久久久久久小说| 高清不卡的av网站| 国产精品久久久久久久久免| 人人妻人人爽人人添夜夜欢视频| 亚洲精品,欧美精品| 久久影院123| 久久久久国产精品人妻一区二区| 男女无遮挡免费网站观看| 中文字幕人妻丝袜制服| 色吧在线观看| 中文字幕精品免费在线观看视频 | 国产精品成人在线| 成人影院久久| 少妇人妻精品综合一区二区| kizo精华| 亚洲精品日韩在线中文字幕| 精品久久国产蜜桃| 亚洲精品第二区| 熟女av电影| 女人精品久久久久毛片| 天堂8中文在线网| 亚洲成人一二三区av| 亚洲精品美女久久久久99蜜臀 | 欧美bdsm另类| 美女福利国产在线| 男人舔女人的私密视频| 亚洲久久久国产精品| 婷婷色综合大香蕉| 卡戴珊不雅视频在线播放| 国产乱人偷精品视频| 亚洲成人av在线免费| 精品午夜福利在线看| 国产精品99久久99久久久不卡 | 日日摸夜夜添夜夜爱| 亚洲精品中文字幕在线视频| 尾随美女入室| 日本av免费视频播放| 高清不卡的av网站| 久久人人97超碰香蕉20202| 大香蕉久久网| 少妇人妻 视频| 人妻人人澡人人爽人人| 国产xxxxx性猛交| 男女下面插进去视频免费观看 | 老熟女久久久| 久久精品人人爽人人爽视色| www.色视频.com| 春色校园在线视频观看| videos熟女内射| 日本免费在线观看一区| 国产精品人妻久久久影院| 欧美日韩av久久| 美女中出高潮动态图| 最近最新中文字幕大全免费视频 | 久久99热这里只频精品6学生| 欧美 日韩 精品 国产| 国产精品.久久久| av片东京热男人的天堂| 在线 av 中文字幕| 国产xxxxx性猛交| 1024视频免费在线观看| 精品一区在线观看国产| 青春草国产在线视频| 人人妻人人爽人人添夜夜欢视频| 男人操女人黄网站| 卡戴珊不雅视频在线播放| 国产色爽女视频免费观看| 成人毛片a级毛片在线播放| 97在线视频观看| 性色av一级| 伦理电影大哥的女人| 色婷婷av一区二区三区视频| 国内精品宾馆在线| 国产精品国产av在线观看| 中文欧美无线码| 久久 成人 亚洲| 亚洲伊人色综图| 交换朋友夫妻互换小说| 欧美性感艳星| 久久人人97超碰香蕉20202| 免费观看av网站的网址| 高清av免费在线| 国产亚洲一区二区精品| 精品酒店卫生间| 女人精品久久久久毛片| 久久久久网色| 日韩一区二区视频免费看| 一区在线观看完整版| 婷婷色综合www| 免费看不卡的av| 成人国产麻豆网| 曰老女人黄片| 亚洲在久久综合| 亚洲av成人精品一二三区| 久久午夜福利片| 午夜福利视频在线观看免费| 亚洲第一区二区三区不卡| 亚洲国产精品一区三区| 18禁动态无遮挡网站| 国产精品久久久久久久电影| 亚洲综合色网址| 午夜激情av网站| 人人妻人人爽人人添夜夜欢视频| 日本午夜av视频| 午夜老司机福利剧场| a级片在线免费高清观看视频| 99精国产麻豆久久婷婷| 国产精品秋霞免费鲁丝片| 国产片内射在线| 午夜精品国产一区二区电影| 国产av码专区亚洲av| 亚洲精品国产色婷婷电影| 性色av一级| 大陆偷拍与自拍| 国产精品一区二区在线不卡| 婷婷色av中文字幕| 成人亚洲欧美一区二区av| 国产国拍精品亚洲av在线观看| a级毛色黄片| 国产成人精品一,二区| 日本色播在线视频| www日本在线高清视频| 99re6热这里在线精品视频| 欧美精品一区二区大全| 有码 亚洲区| 99久国产av精品国产电影| 在线观看人妻少妇| 男女啪啪激烈高潮av片| 日本av手机在线免费观看| 伊人久久国产一区二区| 婷婷色麻豆天堂久久| 男男h啪啪无遮挡| 成人午夜精彩视频在线观看| 日韩伦理黄色片| 美国免费a级毛片| 热99久久久久精品小说推荐| 免费播放大片免费观看视频在线观看| 在现免费观看毛片| 久久鲁丝午夜福利片| 2018国产大陆天天弄谢| 国产精品久久久久久久久免| 欧美xxⅹ黑人| 午夜免费鲁丝| 午夜影院在线不卡| 久久99蜜桃精品久久| 精品久久久精品久久久| 国产精品国产av在线观看| 99热网站在线观看| 少妇 在线观看| 深夜精品福利| 各种免费的搞黄视频| 热re99久久精品国产66热6| 久久久国产精品麻豆| 国国产精品蜜臀av免费| 三上悠亚av全集在线观看| 国产精品蜜桃在线观看| 精品少妇黑人巨大在线播放| 午夜久久久在线观看| 晚上一个人看的免费电影| 亚洲av日韩在线播放| 免费观看性生交大片5| 久久国产精品男人的天堂亚洲 | 99热全是精品| 国产免费福利视频在线观看| av国产久精品久网站免费入址| 高清视频免费观看一区二区| 亚洲国产欧美在线一区| 黄色 视频免费看| 亚洲精品乱码久久久久久按摩| 亚洲综合精品二区| 国产成人精品福利久久| 丰满迷人的少妇在线观看| 精品国产一区二区三区四区第35| 视频区图区小说| 亚洲av综合色区一区| a级毛片在线看网站| 99久国产av精品国产电影| 国产免费现黄频在线看| 黑人欧美特级aaaaaa片| h视频一区二区三区| av又黄又爽大尺度在线免费看| 黑人巨大精品欧美一区二区蜜桃 | a级毛色黄片| 美女大奶头黄色视频| 大香蕉97超碰在线| 人体艺术视频欧美日本| 免费观看无遮挡的男女| 久久久久久久久久成人| 激情五月婷婷亚洲| 久久婷婷青草| 亚洲av福利一区| 国产成人精品一,二区| 大码成人一级视频| 老女人水多毛片| 爱豆传媒免费全集在线观看| 一个人免费看片子| 一本—道久久a久久精品蜜桃钙片| 18禁观看日本| freevideosex欧美| 国产 精品1| 日本黄大片高清| 我要看黄色一级片免费的| 欧美精品一区二区大全| 超碰97精品在线观看| 亚洲欧美成人综合另类久久久| 一个人免费看片子| 国产亚洲最大av| 亚洲国产日韩一区二区| 一本大道久久a久久精品| 边亲边吃奶的免费视频| 亚洲成人一二三区av| 草草在线视频免费看| 在线观看一区二区三区激情| 久久影院123| 伦理电影大哥的女人| 日韩免费高清中文字幕av| 母亲3免费完整高清在线观看 | 亚洲成人一二三区av| 精品国产一区二区久久| 丝袜喷水一区| 国产一区亚洲一区在线观看| 亚洲欧美成人精品一区二区| 精品少妇内射三级| av网站免费在线观看视频| 免费看av在线观看网站| 亚洲av.av天堂| 精品人妻在线不人妻| 日韩成人av中文字幕在线观看| 亚洲av电影在线进入| 精品一区二区三区视频在线| 亚洲色图 男人天堂 中文字幕 | 亚洲av国产av综合av卡| 在线观看免费视频网站a站| 七月丁香在线播放| 亚洲国产看品久久| 美女xxoo啪啪120秒动态图| www.av在线官网国产| 久久国内精品自在自线图片| 一区二区三区精品91| 黑人巨大精品欧美一区二区蜜桃 | 免费在线观看完整版高清| 热re99久久国产66热| 午夜福利网站1000一区二区三区| 亚洲av综合色区一区| 99热网站在线观看| 少妇的逼水好多| 久久青草综合色| 免费观看在线日韩| 在线观看www视频免费| 亚洲美女视频黄频| 久久精品aⅴ一区二区三区四区 | 一本久久精品| 日韩av在线免费看完整版不卡| 中文字幕亚洲精品专区| 日韩中文字幕视频在线看片| 国产伦理片在线播放av一区| 性色avwww在线观看| 午夜日本视频在线| 久久精品国产亚洲av天美| 自拍欧美九色日韩亚洲蝌蚪91| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 精品久久久精品久久久| 男女啪啪激烈高潮av片| 麻豆乱淫一区二区| 精品一区二区三区四区五区乱码 | 国产成人91sexporn| 久久精品熟女亚洲av麻豆精品| 亚洲精品久久午夜乱码| 天堂中文最新版在线下载| 97人妻天天添夜夜摸| 免费在线观看黄色视频的| 久久狼人影院| 亚洲精品av麻豆狂野| 亚洲一码二码三码区别大吗| 亚洲精品中文字幕在线视频| 国产精品人妻久久久影院| 欧美激情国产日韩精品一区| 国产亚洲精品久久久com| 精品人妻偷拍中文字幕| 高清毛片免费看| 黑人猛操日本美女一级片| 国产在线视频一区二区| 久久久久网色| 日韩伦理黄色片| 成年动漫av网址| 日本爱情动作片www.在线观看| 永久网站在线| 热re99久久精品国产66热6| 成人国语在线视频| 伦精品一区二区三区| 99久久精品国产国产毛片| 亚洲美女黄色视频免费看| 一个人免费看片子| 黄色怎么调成土黄色| 免费女性裸体啪啪无遮挡网站| 欧美丝袜亚洲另类| 精品午夜福利在线看| 国产一区二区三区综合在线观看 | 在线观看免费日韩欧美大片| 丝袜喷水一区| 日韩成人av中文字幕在线观看| 日本黄大片高清| 如何舔出高潮| 一级片'在线观看视频| 亚洲精品美女久久久久99蜜臀 | 国产极品天堂在线| 精品亚洲乱码少妇综合久久| 久久影院123| av.在线天堂| 黄色 视频免费看| 日韩av免费高清视频| 国产白丝娇喘喷水9色精品| 人妻少妇偷人精品九色| 久久这里只有精品19| kizo精华| 中文字幕精品免费在线观看视频 | 涩涩av久久男人的天堂| 黄片播放在线免费| 人体艺术视频欧美日本| 成人二区视频| 亚洲内射少妇av| 亚洲成色77777| 久久久久国产精品人妻一区二区| av福利片在线| 亚洲人成网站在线观看播放| 久久97久久精品| 男女啪啪激烈高潮av片| 新久久久久国产一级毛片| 人人澡人人妻人| 成年美女黄网站色视频大全免费| 久久久久久久大尺度免费视频| 多毛熟女@视频| 成人亚洲欧美一区二区av| 久久精品久久久久久久性| 自拍欧美九色日韩亚洲蝌蚪91| 日本黄色日本黄色录像| 亚洲欧美一区二区三区国产| 桃花免费在线播放| 久久久久精品人妻al黑| 国产精品99久久99久久久不卡 | 国产精品成人在线| 精品国产一区二区三区四区第35| 夜夜骑夜夜射夜夜干| 美女主播在线视频| 亚洲丝袜综合中文字幕| 少妇猛男粗大的猛烈进出视频| 国产永久视频网站| av黄色大香蕉| 日本爱情动作片www.在线观看| 亚洲av日韩在线播放| 欧美 日韩 精品 国产| 久久久精品94久久精品| 波野结衣二区三区在线| 97人妻天天添夜夜摸| 亚洲综合色惰| 久久av网站| 我要看黄色一级片免费的| 国产欧美日韩综合在线一区二区| 日韩在线高清观看一区二区三区| 2021少妇久久久久久久久久久| 一区在线观看完整版| 赤兔流量卡办理| av不卡在线播放|